Studio e analisi dei sistemi di indagine remote sensing, morfologia e topografia
Università di Torino
Continueremo il progetto iniziato in precedenza, vedendo come unire due raster e tematizzare i nostri dati. Inoltre lavoreremo con modelli di elevazione per produrre layer di ombreggiatura ed estrarre curve di livello.
Nel frattempo, aprire QGIS!
Link alle slides:
Una volta caricate dal link, le slide dovrebbero seguire la presentazione in automatico
Utilizzati per moltissime applicazioni:
Più utilizzati in archeologia: Landsat 7 (con problemi), Landsat 8, menzione d’onore: Landsat 5
Utilizzati per moltissime applicazioni:
Più utilizzati in archeologia:
Punti di forza: 40+ anni di immagini, numerose bande spettrali, disponibilità globale e gratuita, risoluzione sufficiente per analisi a scala regionale, già proiettati in UTM
Punti deboli: problemi tecnici (Landsat 7), risoluzione non ottimale per analisi su piccola scala
Vediamo adesso come ottenere, caricare e lavorare con dati raster multispettrali in QGIS. Ritorniamo al sito della United States Geological Survey
Verremo accolti dalla seguente schermata. EarthExplorer funziona ‘a passaggi’ esemplificati dalle schede in alto (Search Criteria, Data Sets ecc.). Dovremo infatti dire ad EarthExplorer qual è l’area che ci interessa, quali dati vogliamo, ed eventualmente aggiungere altri dettagli, prima di aver accesso ai risultati della nostra ricerca.
Facciamo login in alto a destra (altrimenti ci verrà richiesto di farlo per scaricare i dati). Una volta fatto possiamo muoverci nella mappa cliccando e tenendo premuto e zoomando.
Possiamo muoverci nella mappa a destra per cercare manualmente l’area di cui abbiamo bisogno. Tuttavia è presente una ricerca per luoghi che può esserci utile. All’interno del pannello geocoder, clicchiamo su “World Features” e poi su sotto “Feature Name” scriviamo “carchemish” e premiamo invio per cercare. Clicchiamo poi su carchemish all’interno della tabella risultato della ricerca (sotto “Place Name”).
Vedrete che la ricerca non sarà precisissima, ma già ci ha portato più vicini. Muovetevi un po’ verso sudo fino ad inquadrare il sito di Carchemish, ed eliminiamo anche il punto che usgs ha messo sulla mappa in automatico, cliccando sulla X rossa a sinistra sotto il pannello Polygon
Zoomiamo abbastanza vicino al sito di Carchemish e poi clicchiamo su Use Map sempre nel pannello Polygon. Possiamo anche cambiare la forma della nostra area di ricerca, ad esempio in un cerchio, o caricando uno shapefile predefinito, ma per il momento un poligono va più che bene. La nostra mappa si dovrebbe essere riempita di colore rosso.
Zoomiamo un po’ indietro ed osserviamo come USGS ha selezionato un’area più ampia di quella in cui avevamo il focus. Possiamo trascinare i vertici del poligono per cambiare la nostra selezione. Potete anche cancellare vertici col la X rossa nel pannello a sinistra, o aggiungerne altri cliccando su un punto qualsiasi della mappa.
Una volta soddisfatti, cambiamo scheda e selezioniamo Data Sets in alto
Abbiamo bisogno di immagini Landsat, che troveremo nella corrispettiva sezione del pannello a sinistra. Clicchiamo quindi su Landsat → Landsat Collection 2 Level 1 → e spuntiamo la casella su Landsat 8-9 OLI/TIRS C2 L1 (Notate anche come da qui avete accesso anche a tutti gli altri dati dei satelliti Landsat che abbiamo già visto, dal Landsat 1 fino al più recente 9).
Abbiamo già visto come EarthExplorer ci permette di avere un’anteprima dell’immagine che vogliamo scaricare. Se prendiamo ad esempio un’immagine e clicchiamo sull’icona a destra dell’impronta a forma di piede, possiamo vedere che l’immagine viene caricata nella schermata principale. Questo ci evita di scaricare immagini che potrebbero risultare non adatte all’uso che ne dobbiamo fare. In questo caso ad esempio, l’immagine presenta un numero elevato di nuvole, che non ci permetterebbe di visualizzare il paesaggio. Dovremo quindi cercarne un’altra libera da nuvole il più possibile (o quantomeno che non coprano la nostra area di interesse).
Potreste aver notato che l’immagine Landsat è molto più grande della nostra area di interesse. I satelliti Landsat infatti coprono un’area molto grande e registrano immagini a distanze fisse, con una percentuale di sovrapposizione tra un’immagine e l’altra (per aiutare ad unire e georeferire le immagini). Possiamo vedere quanto appena detto se selezioniamo due immagini e vediamo la loro footprint (il pulsante a forma di impronta). Vediamo infatti che la nostra area è teoricamente coperta da due immagini molto più ampie, che si sovrappongono parzialmente.
Per il momento, non preoccupiamoci delle sovrapposizioni o della copertura della nostra area. Selezioniamo un’immagine senza nuvole e che prenda anche il lago artificiale a sud della nostra zona e clicchiamo sul pulsante di download. Ricordiamoci di effettuare il login, altrimenti non potremo scaricare i dati.
Clicchiamo quindi sull’immagine per scaricarla.
Nella nuova finestra avremo una serie di opzioni. EarthExplorer per alcuni dataset offre la possibilità di scaricare dei “pacchetti” di immagini già preparate in cui le bande spettrali sono già combinate in un’unica immagine in formato geotiff o jpeg. Tuttavia, questi pacchetti sono utili per semplici visualizzazioni e non offrono molte possibilità di manipolazione in GIS. Per questo motivo, clicchiamo su “Product Options”, dove potremo scegliere più dettagliatamente cosa scaricare.
Nella nuova finestra che si apre, in alto abbiamo tutta una serie di opzioni per poter scaricare o l’intero dataset di questa immagine, quindi tutte le bande spettrali insieme. Tuttavia la dimensione del pacchetto è ragguardevole (1.17 GB), e a noi non servono tutte le bande spettrali. Per fortuna (e questo è un aggiornamento recente) EarthExplorer ci offre la possibilità di scaricare anche le singole bande spettrali una per una, che come potete vedere, pesano molto meno dell’interno pacchetto.
Tuttavia, come decidiamo quale banda spettrale scaricare?
Per fortuna, esistono numerose risorse che ci forniscono sia un’indicazione di quali siano le bande spettrali dei satelliti e, per quelli con sensori multispettrali, esistono anche indicazioni delle più comuni combinazioni di bande spettrali, ad esempio da questo blog post di GISGeography.
Per delle semplici visualizzazioni del paesaggio, le combinazioni Natural Color (replica ciò che vedrebbe l’occhio umano) e Color Infrared (anche detta False Color, enfatizza la vegetazione) sono tra le più utilizzate in archeologia. Sappiamo quindi adesso che dobbiamo scaricare le bande 2, 3, 4, e 5.
Ritornando alla nostra schermata di download, possiamo identificare il numero delle bande spettrali dalla dicitura finale sul nome del file, prima del “.TIF”. Andremo a scaricare quindi i file che terminano con “B2”, “B3”, “B4”, e “B5”. Per scaricarle, semplicemente clicchiamo sul pulsante a sinistra con l’icona del download.
Salviamo le nostre immagini sempre nella nostra cartella “raster” del progetto su cui stiamo lavorando, lasciando il nome del file invariato.
Ogni banda spettrale corrisponde come visto ad un singolo file. Adesso, ritorniamo al nostro progetto di QGIS. Apriamo il programma e carichiamo il progetto su cui abbiamo lavorato l’ultima volta.
Per caricare le immagini, apriamo il nostro Gestore delle Sorgenti Dati, selezioniamo la scheda Raster, e con i tre puntini a destra nella sezione sorgente, andiamo alla cartella dove abbiamo salvato le nostre immagini.
Come anche per i dati vettoriali, possiamo caricare più di un file alla volta, quindi selezioniamo i nostri quattro file e clicchiamo su “Apri”.
I nostri file sono adesso elencati sotto “Sorgente”, come sempre, clicchiamo su “Aggiungi” e poi chiudiamo la finestra del Gestore delle Sorgenti Dati.
Zoomiamo al layer per vedere l’intera copertura delle nostre nuove immagini (Tasto destro su una delle immagini e poi “Zoom al layer”). Come vedete le nostre immagini vengono visualizzate in scale di grigio con diversi valori minimi e massimi. Come già detto, questo è normale (non vedrete la banda del blu di colore blu, e così via), questo perché i valori dei pixel non rappresentano un colore, ma l’intensità della luce riflessa dalla superficie terrestre in quello specifico pixel. Quindi aree più scure indicano aree dove la luce viene maggiormente assorbita e viceversa.
Se apriamo le proprietà del layer (doppio click sul layer) possiamo anche osservare la risoluzione spaziale dell’immagine, ovvero la dimensione di ogni singolo pixel (30m) e il sistema di riferimento dell’immagine. Vedete come l’immagine è già proiettata in UTM 37N.
Ora, Per rendere la nostra immagine “a colori” dobbiamo combinare le bande spettrali a nostra disposizione per creare un’unica immagine.
Al contrario di ArcGIS, che ha uno strumento dedicato alla creazione di immagini multibanda, su QGIS questa opzione è disponibile tramite un plugin molto complesso (Semi-Automatic Classification Plugin) che non useremo qui. Utilizzeremo invece un altro strumento, molto più semplice ed adatto ad operazioni molto semplici come la combinazione di bande spettrali. Lo strumento che useremo si chiama “Costruire raster virtuale”. Se apriamo il pannello degli strumenti di processing a destra (nel caso non sia visibile: “Visualizza”→ “Pannelli” → “Strumenti di processing”) e scriviamo “virtuale” dovrebbe trovarsi sotto GDAL/Raster Miscellanea. Lo troviamo anche nel menu Raster → Miscellanea → Costruire raster virtuale.
Una volta cliccato sullo strumento si aprirà una nuova finestra. Come per gli altri strumenti di modifica dei raster, dobbiamo innanzitutto selezionare i raster che vogliamo combinare. Clicchiamo quindi sui tre puntini a destra nella sezione “Input layers”.
Selezioniamo le nostre bande spettrali (i nostri raster), fate attenzione a selezionare solamente le immagini landsat. Possiamo selezionare ed unire quante immagini vogliamo all’interno di un singolo raster multibanda, tuttavia, potremo vedere solamente una combinazione di tre bande spettrali alla volta. Una volta selezionate le nostre immagini clicchiamo su “Ok” a destra.
Nuovamente nella finestra dello strumento, sotto Resolution, apriamo il menu a tendina e selezioniamo “Highest”. Differentemente dal nostro DEM, stavolta abbiamo più di una banda spettrale, quindi spuntiamo la casella “Place each input file into a separate band” (questo assicura che ogni file venga registrato come una banda spettrale a se stante e “impilato” assieme alle altre bande nel raster virtuale).
Lasciamo il resto com’è e clicchiamo su “Esegui” (assicurate di avere la spunta su “Apri il file risultante…”).
Il nostro raster virtuale è stato creato come layer virtuale ed è stato caricato nella nostra mappa. Possiamo quindi chiudere il pannello.
Prima di salvarlo come file TIFF sul nostro computer, osserviamolo un secondo. Come vedete l’immagine prodotta non è proprio un’immagine simile a quella che vede l’occhio umano. Apriamo il pannello di stile layer per capire cosa succede.
Notate anche come nel pannello di Stile Layer, abbiamo adesso i tre canali del rosso, verde e blu, a cui è assegnata una banda. Il colore della nostra immagine dipende dalla combinazione di queste tre.
Quando costruiamo il nostro raster, QGIS posiziona le bande ordinandole in ordine alfabetico sulla base del nostro input, quindi avremo il file originale B2 (banda del blu) inserita nel canale Banda rosso, il file B3 (banda del verde) inserito correttamente nel canale Banda verde, e il file B4 (banda del rosso) inserita nel canale Banda blu.
La combinazione che vediamo è quindi 234, e non 432 o 543 come vorremmo.
Per visualizzare l’immagine nella combinazione detta True Color (432), dobbiamo quindi invertire le bande assegnate al canale rosso e blu. Per farlo clicchiamo sul menu a tendina accanto a Banda rosso e selezioniamo Banda 3.
Facciamo la stessa cosa per il menu a tendina accanto a Banda blu, e selezioniamo questa volta Banda 1. Sotto “Impostazioni dei valori di Min e Max” selezioniamo “Min / Max”, e aumentiamo un po’ la luminosità. Potete adesso vedere che la nostra immagine riproduce fedelmente i colori della nostra regione.
Se zoomiamo infatti nell’area intorno a Carchemish potete vedere come il paesaggio è chiaramente visibile. L’immagine che abbiamo usato è recente, tuttavia la vera forza delle immagini multispettrali sta proprio nella possibilità di visualizzare il paesaggio in una data precisa. Ad esempio, avremo potuto prendere un’altra immagine meno recente, e confrontare come sia cambiato il paesaggio nell’arco di tempo.
Se unito a dati come la posizione dei siti archeologici, queste informazioni sono molto utili in termini di monitoraggio del patrimonio archeologico nel tempo, ma anche per comprendere il contesto ambientale in cui i siti si inseriscono.
Un’altra combinazione di bande molto utilizzata è la c.d. False Color (o False Infrared), ottenibile, per le immagini Landsat, tramite la combinazione della bande 5 (Vicino Infrarosso), 4 (Rosso), e 3 (Verde). Per ottenerla quindi, dobbiamo nuovamente modificare le bande assegnate ai rispettivi canali del rosso, verde, e blu. Nella banda del rosso apriamo il menu a tendina e selezioniamo Banda 4 (la nostra Banda del vicino infrarosso), nella banda del verde selezioniamo Banda 3 (il nostro Rosso), e nella banda del blu selezioniamo Banda 2 (la nostra banda del verde). I numeri e nomi della bande a questo punto sono un po’ confusionarie, a causa del fatto che abbiamo unito tre bande a partire dalla numero 2, che diventa la numero 1 nell’immagine creata da QGIS.
Tuttavia, se avessimo unito tutte le bande dalla 1 alla 12, avremo avuto una corrispondenza diretta tra le nostre bande originali e quelle di qgis. Per il momento basta ricordarci quanto detto sopra.
Questa visualizzazione è molto utile per distinguere le aree fertili dalle aree libere da vegetazione e per separare dli elementi del paesaggio molto chiaramente. Difatti, più un’area ha un colore rosso intenso, più la vegetazione è rigogliosa (non sorprende che le aree vicino agli specchi d’acqua siano di un rosso brillante).
Salviamo adesso il nostro layer virtuale così che non sia più solo un file temporaneo. Clicchiamo con il tasto destro su “Virtuale” e poi su Esporta→ Salva Con Nome
Nella finestra di esportazione selezionate dove salvare il file e dategli un nome significativo (ad esempio un buon formato può essere “area_satellite_bande”, quindi carchemish_l8_5432). Notate come il sistema di riferimento è già impostato su quello che stiamo utilizzando per il progetto. Questo perché, come detto prima, le immagini Landsat vengono fornite già proiettate in UTM.
Spuntiamo la casella accanto ad “Aggiungi il file salvato alla mappa” e clicchiamo su “Ok”.
La nuova immagine caricata verrà nuovamente visualizzata con l’ordine delle bande predefinito. Semplicemente, copiamo ed incolliamo lo stile dell’immagine virtuale e salviamo il nostro progetto. Una volta fatto possiamo anche rimuovere il layer virtuale.
Una volta ottenute delle mappe di base, il passaggio successivo di ogni progetto è quello di raccogliere dati vettoriali relativi ai siti archeologici e al contesto culturale e naturale in cui questi si inseriscono. Solitamente questi ultimi sono limiti amministrativi, laghi, fiumi, e maggiori città. Esistono siti che ci forniscono questi dati gratuitamente (e spesso open source).
Cominciamo con i dati archeologici. Navighiamo su al sito dell’Università di Uppsala (oppure cercate “ane kmz” su internet e dovrebbe essere il primo risultato su qualsiasi browser o motore di ricerca).
Questo dataset è stato creato nel 2007 dal Dipartimento di Linguistica e Filologia dell’Università di Uppsala. Contiene informazioni sulla posizione più di 2500 siti archeologici nel Vicino Oriente. Gran parte dei siti sono tell ben visibili da satellite, mentre mancano siti di più piccole dimensioni. Inoltre il dataset non ha nessuna informazione sulla datazione dei siti. Tuttavia, è un ottimo strumento di partenza per qualsiasi progetto di archeologia del paesaggio nel Vicino Oriente
Clicchiamo su “downloaded here” (l’attuale repository del dataset è qui). Notate che il file è in formato kmz (per facilitarne l’uso in Google Earth). Scegliamo dove salvare il file, ad esempio creando una nuova cartella “kmz” nella nostra cartella dati, e scarichiamo il file.
Nel momento in cui dobbiamo scegliere dove creare il file, cominciamo ad organizzare le nostre cartelle in modo appropriato. All’interno della cartella del nostro progetto, creiamo una cartella “kmz”.
Salviamo quindi il file all’interno della cartella appena creata.
Scaricati i dati sui siti archeologici, pensiamo ai dati di contesto, culturali e naturali. Navighiamo a questo indirizzo (oppure scriviamo “natural earth data” nel motore di ricerca).
Il sito Natural Earth è uno dei migliori posti in cui trovare dati geospaziali relativi agli elementi culturali e naturali del pianeta. L’intero dataset (circa 500mb) è disponibile gratuitamente ed è open-source.
Per accedere ai dati, clicchiamo sulla scheda “Downloads”.
Abbiamo moltissime opzioni per accedere ai dati. Possiamo scaricare tutti i dati in formato shapefile, SQLite o GeoPackage. Possiamo anche selezionare la scala a cui scaricare i dati (larga, media, piccola), con le geometrie vettoriali che saranno più dettagliate man mano che la scala cresce. Dato che dobbiamo visualizzare la nostra area abbastanza “da vicino”, utilizzeremo dati a larga scala. Cominciamo quindi con i dati naturali, clicchiamo su “Physical” sotto “Large scale data, 1:10m”.
Abbiamo nella nuova schermata l’opzione di scaricare tutti i dati fisici ma, visto che scaricheremo degli shapefile, è meglio scegliere manualmente quali scaricare per evitare di avere dozzine di file inutili. Tendenzialmente, vorrete scaricare fiumi e laghi, eventualmente se lavorate in una regione costiera, anche i poligoni per le superfici dei mari/oceani.
Scorriamo verso il basso fino a trovare “Rivers + lake centerlines” e “Lakes + Reservoirs”. Abbiamo anche qui diversi versioni dei dataset, ma concentriamoci solo sulla prima di ognuno. Clicchiamo quindi su “Download rivers and lake centerlines”.
Vi chiederà dove salvare il file in formato zip, scegliamo la cartella dei nostri dati creando, andando a creare anche qui una cartella appropriata. Creiamo quindi la cartella “shp”. se non esiste già una cartella “shp” dove salveremo i nostri shapefile.
Salviamo quindi i dati nella cartella appena creata.
Sempre dalla stessa schermata clicchiamo su “Download lakes” e salviamo i dati sempre nella cartella “shp”.
Una volta scaricati estraete i file.
Torniamo indietro alla schermata precedente e clicchiamo stavolta su “Cultural” sempre sotto “Large scale data, 1:10m”.
Per il momento ci basta avere i confini politici delle aree che stiamo analizzando, quindi clicchiamo su “Download countries” sotto “Admin 0 – Countries”. (Admin 0 è una convenzione che sta ad indicare i confini nazionali, solitamente i confini regionali sono definiti Admin 1, mentre quelli municipali sono definiti Admin 2).
Salviamo la cartella zip sempre nella nostra sottocartella shp, estraiamo i file ed eliminiamo pure le cartelle zip originali.
Scarichiamo l’ultimo dataset che abbiamo già visto lo scorso incontro, ovvero le immagini Sentinel-2. Sebbene alcune immagini Sentinel si trovino anche su Earth Explorer (USGS), l’Agenzia Spaziale Europea (ESA) mette a disposizione un portale apposito a cui accedere ai dati che produce. Il portale è chiamato Copernicus (dal nome del progetto) SciHub ed è accessible a questo link o cercando “copernicus scihub” su internet. Le immagini catturate dai satelliti sentinel vengono inserite sul portale anche poche ore dopo l’acquisizione, quindi è veramente un’ottima risorsa per chi si occupa di remote sensing.
Il portale in realtà offre molto di più di una semplice interfaccia per scaricare dati satellitari, tuttavia al momento a noi interessa accedere all’hub tramite un’interfaccia grafica interattiva, quindi clicchiamo su “Open Hub” al centro della schermata.
Nella nuova schermata, procediamo a fare subito il login, altrimenti il portale non permetterà neanche di effettuare una ricerca.
L’hub non ha una funzione di ricerca per luoghi come EarthExplorer, quindi dovremo muoverci verso l’area di Carchemish manualmente (se può aiutarvi, tramite uno dei pulsanti a destra è possibile cambiare la mappa di base e mettere un’immagine satellitare).
Una volta nell’area di Carchemish dobbiamo tracciare la nostra area di interesse entro i limiti della quale cercare le immagini. Per farlo, dobbiamo tenere premuto il pulsante destro e muovere il mouse per tracciare un quadrato o rettangolo e coprire l’area che ci interessa (tracciate un’area non troppo grande per non avere troppi risultati).
Una volta tracciata l’area di interesse, scegliamo il dataset da scaricare. Apriamo il filtro in altro a sinistra (le tre righe orizzontali a sinistra della barra di ricerca), mettiamo la spunta alla casella affianco a “Mission: Sentinel-2”, poi nel menu a tendina sotto **“Product Type** selezioniamo ”S2MSI2A” (al momento non vedremo cosa significa, ma serve per avere immagini il più”chiare” possibile, vi lascio il link alla documentazione fornita dall’ESA a riguardo).
Infine, clicchiamo sulla lente d’ingrandimento in alto per cercare il dataset.
Se avessimo voluto cercare immagini per un periodo specifico, avremo potuto filtrare per “Sensing Period”, ma al momento non ci serve.
Come vedete, i risultati delle sentinel sono un po’ differenti da quelli delle Landsat, anche se la funzione dell’interfaccia è simile. SciHub ci permette di avere un’anteprima direttamente a sinistra nell’elenco dei risultati, facilitandoci la scelta dell’immagine, inoltre il footprint delle immagini è caricato automaticamente (anche se ogni tanto rende tutto più confusionario). Questo velocizza la scelta del nostro dataset (anche perchè il portale è famoso per la sua lentezza).
Selezioniamo un’immagine che copra l’area del lago e su cui non vediamo nuvole (o non ne vediamo troppe). Ad esempio, scorrendo verso il basso, l’immagine con nome S2A_MSIL2A_20230417T0860611_ecc.. sembra un ottimo candidato. Notate che il nome del file ci informa su:
Queste sono le informazioni veramente necessarie per un’utilizzo occasionale e una scelta ottima del dataset da scaricare.
Clicchiamo sull’icona a forma di occhio nel pannello dell’immagine per ispezionare meglio l’immagine.
Ci si aprirà un nuovo pannello con 4 zone, in cui troviamo la visualizzazione del footprint dell’immagine e un’anteprima della stessa (utile per vedere se l’immagine ci soddisfa), un sommario dei metadati dell’immagine, e l’inspector. È tramite quest’ultimo pannello che potremo scaricare le bande che ci interessano. Anche qui infatti se scaricassimo ;l’intera immagine ci vorrebbe molto tempo, il file peserebbe molto e avremo molte immagini che al momento non ci interessano. L’inspector, sebbene più lento ci permette di scegliere le singole bande che vogliamo. L’organizzazione delle immagini sentinel è più complessa delle Landsat, in quanto sono presenti molti più dati ausiliari (non sempre necessari). Per accedere alle immagini direttamente clicchiamo su “Granule”.
Anche qui, come scegliamo quali bande scaricare? Un altro blog post, sempre di GISGeography, ci viene incontro. Qui possiamo infatti ottenere una descrizione delle bande spettrali e le rispettive combinazioni.
Come per le immagini Landsat, per delle semplici visualizzazioni del paesaggio, le combinazioni Natural Color (replica ciò che vedrebbe l’occhio umano) e Color Infrared (anche detta False Color, enfatizza la vegetazione) sono tra le più utilizzate in archeologia. Tuttavia attenzione, le bande Sentinel-2 hanno una numerazione diversa rispetto a quelle Landsat, questa volta infatti avremo bisogno delle bande 8, 4, 3, 2 (e non della 5).
Adesso che sappiamo che bande scaricare, continuiamo ad usare l’inspector. Per arrivare alle singole immagini, clicchiamo su Granule, poi sulla cartella che inizia con L2A subito sotto, poi su IMG_DATA e infine su 10m (le bande sentinel-2 sono divise in base alla risoluzione). Scarichiamo quindi le bande 8,4,3,2 e salviamole sempre nella cartella raster del nostro progetto. Il formato di queste immagini potete vedere essere jp2 (JPEG2000), un formato compresso con capacità di contenere informazioni di georeferenziazione. Le immagini sono un po’ più pesanti delle bande Landsat (hanno 3 volte tanto la risoluzione spaziale!)
Una volta scaricate le immagini, seguite gli stessi passaggi che abbiamo eseguito per le immagini Landsat per produrre un raster virtuale.
Tuttavia, stavolta create due raster virtuali:
Ricordatevi di salvare il vostro progetto e di rimuovere i layer temporanei una volta prodotti. Se non vi ricordate le bande necessarie per le rispettive combinazioni, ritornate pure al blog post.
Remote sensing e combinazioni di bande spettrali
Creare band composites in QGIS
ANE Placemarks for the Near East
Natural Earth Data